Konfigurieren Sie TF-IDF für -Lösungen
Wenden Sie die TF-IDF-Codierung (Begriffshäufigkeit–inverse Dokumenthäufigkeit) auf Klassifizierungs-, Clustering- oder Ähnlichkeitslösungen für Predictive Intelligencean.
Vorbereitungen
Hinweis:
Die Konfiguration von erweiterten Einstellungen für ML-Lösungen ist optional. Wenn Sie Einstellungen dieser Art konfigurieren, stellen Sie sicher, dass Sie gut über die Technologie informiert sind, die Sie in der Lösung aktivieren, und dass Sie einen Anwendungsfall haben, der von der Technologie profitiert. Weitere Informationen finden Sie unter https://www.servicenow.com/community/intelligence-ml-articles/dive-deeper-with-clustering-advanced-parameters/ta-p/2695847.
- Erstellen Sie eine Klassifizierungs-, Clustering- oder Ähnlichkeitslösungsdefinition, oder verwenden Sie eine vorhandene.
- Erforderliche Rolle: admin oder ml_admin
Warum und wann dieser Vorgang ausgeführt wird
Predictive Intelligence verwendet in seinen Klassifizierungs- und Ähnlichkeits-Frameworks standardmäßig die Einbettung von Absatzvektoren. Dies ist sehr effektiv bei der Verarbeitung von Daten, die hauptsächlich aus visuell lesbaren Inhalten bestehen. TF-IDF gibt jedoch möglicherweise bessere Vorhersageergebnisse für Datensätze mit maschinell generiertem Inhalt zurück, z. B. Warnungen und Fehlermeldungen für Protokolldateien. Wählen Sie erweiterte Einstellungen aus, die für die Art der Daten geeignet sind, die Ihre Lösung verarbeitet.
Hinweis:
Die Schritte zum Konfigurieren von TF-IDF sind für alle Modell-Frameworks identisch, aber die TF-IDF-Unterstützung für Clustering-Lösungsdefinitionen gilt nur, wenn Sie ein Professional-Abonnement haben.